Personificazione dei vostri servizi di Web site

Share

|

Mentre il rapporto cambia dal browser casuale al prospetto interessato ed allora al compratore attivo, il vostro Web site può raccogliere una miriade intera di preferenze, programmi, penchants e peccadilloes personali. Dovete soltanto chiedere. Coppia quelle informazioni con i dati fuori linea dalle indagini e dalle basi di dati commerciali, ora avete una probabilità sviluppare un ritratto completamente realizzato di ogni cliente. Appena quanto equilibrato è il vostro ritratto?

Alla fine, dovete decidere che granularity di identificazione li soddisferà il più bene. È abbastanza per conoscere quanto segue circa certo tipo di ospite?:

• Interessato a prodotto A

• Impianti nell'industria B

• Ad un'azienda che è formato C

• Sta muovendosi con il processo di qualificazione ad un tasso della D

O, per vendere più, più veloce, ad un più alto margine, aggiunge significativamente alla linea inferiore se inoltre gli conoscete quanto segue circa?:

• Un tipo E (esploratore avventuroso) di shopping

• Rivede la sezione di F con una valutazione di frequenza del G

• Porta i pattini di formato H

Dopo tutto, appena quanto il valuable è esso che conoscete quali clienti gradiscono le lune verdi della caramella gommosa e molle in loro riso Chex?

Mentre la quantità pura di elementi di dati è il fattore più significativo nella vostra profondità personale di profilo che nota, ogni elemento deve essere appesantito secondo il relativo valore. Un numero di identificazione del cliente non ha peso affatto perché uno è indistinguibile dal seguente. Le informazioni usuali raccolte circa un cliente (nome, indirizzo, numero di telefono) sono critiche ma hanno un peso basso perché non sono actionable.

Tipi di informazioni del cliente

Le informazioni actionable appartengono i predilections del cliente, compranti la storia e gli interessi dichiarati. Sia sicuro che pesate correttamente le informazioni implicite, esplicite ed effettive:

• Implicito: Ha guardato quelle pagine in modo da deve essere interessato in questi articoli.

• Esplicito: Ha compilato un'indagine e detto noi al era interessato in questi articoli.

• Fatto: Ha guardato quelle pagine ed ha comprato questi articoli. Gli ospiti di Web site vi dicono che le informazioni esplicite e voi deriviate le informazioni implicite. Per esempio, un cliente può dire che gradisce le biografie della lettura e desidera Amazon.com alle notifiche del email circa le figure famose nella storia europea. Ma se compra i libri sui cani, Amazon conosce che cosa mettere sopra la sua raccomandazione elenca. Guardare che clienti realmente è rivelare molto della lettura che cosa dicono. E sta rivelando nei sensi che necessariamente non hanno il significato.

Supponga che la base di dati indica che gli ospiti che stanno acquistando per i rasoi elettrici inoltre stanno comprando i giocatori di CD personali, o che gli ospiti che leggono le specifiche dettagliate della coltivazione a cielo aperto e del macchinario di cantiere sono raramente interessati nelle informazioni della garanzia estesa. Sono questi che le specie delle correlazioni mavens di vendita stanno andando fornire nelle riunioni di "brainstorming"? No. Non hanno alcun significato, ma sono allineare. Così ora i mavens di vendita hanno un nuovo datapoint da funzionare con ed i sistemi dietro le scene hanno la capacità di comportarsi sulle informazioni in tempo reale.

Oltre a pesare gli elementi di dati basati sopra se sono dichiarati o derivati, il loro valore deve considerare la freschezza ed i risultati. Conoscere la correlazione fra i rasoi elettrici ed i giocatori di CD personali è il primo punto, usando che le informazioni sono il secondo e misurare i risultati di quell'uso è l'più importante.

Pulizia Di Dati

Vivendo fino all'amministrazione di rapporto del cliente significa accertarsi che le informazioni usate dai sistemi di commercializzazione e dagli assistenti tecnici di cliente siano fresche, correnti ed esatte. Quello significa riunire i dati da molti sistemi e quel mezzi che calcolano verso l'esterno come convincere tutti quei dati per osservare egualmente.

La normalizzazione di dati si è applicata tipicamente alla disposizione delle informazioni che sono inserite in un sistema. L'iniziale centrale trasporta un periodo? Il numero di telefono include le parentesi o i precipitare? È i codici di postale cinque cifre o nove? È ci un trattino nella metà? Ma dentro attualmente di CRM, la pulizia di dati va lontana oltre punteggiatura.

Ammettiamoli hanno un sistema di amministrazione del contatto di vendite, un sistema di fatturazione e una base di dati di cura del cliente in ciascuna di quattro divisioni. Diciamo John che Smith vi trasmette un email < da JohnSmith@Yahoo.com >. Quale John Smith è questo?

Avrete bisogno dei punti multipli del confronto. Forse < JohnSmith@Yahoo.com > hanno lasciato lo slittamento che stava avendo difficoltà con il vostro prodotto mentre era per la prima volta nella California. Potete allora eliminare tutto il John Smiths che viva nella California. Possibilmente ha accennato quale prodotto o servizio di il vostro stava usando. Forse include il suo numero di telefono nella sua lima della firma del email. Quello potrebbe essere l'indizio che dovete identificare questo John Smith dal twentyseven altri nella vostra base di dati.

Fuochi di pulizia di dati sulla verifica e sulla convalida delle informazioni. Se tutto il vostro John Smiths è formattato lo stessi, siete disinseriti ad un buon inizio. Se nessun delle vostre annotazioni del John Smith sono state verificate per più di 6 mesi, il loro valore si deteriora. Sto provando a descrivere chiaramente un insieme dei problemi che sono nè facili nè rapidi da risolvere. Se sta andando costare così tanto e generare tale dolore, come andate circa la misurazione del valore di tutte queste possibilità? La domanda è se il costo di raccolta e di elaborazione delle informazioni vale il valore che derivate da avere le informazioni, meno il dolore causate i vostri clienti nella relativa accumulazione.

Quoziente Di Personificazione

Il Dott. Kamran Parsaye, presidente di Intelligence Ware, di Inc. e dell'autore degli attrezzi intelligenti della base di dati e delle applicazioni (John Wiley & Sons, 1993) ha scritto una carta bianca chiamata "PQ: Il quoziente di personificazione di un Web site." Dal momento che, la carta può essere trovata in linea (www.kellen.net/ect586/personalization_parsaye.pdf), anche se l'azienda Parsaye ha lavorato quando ha scritto esso (NovuWeb) non può.

In sua carta, Parsaye ha fatto un tentativo valiant di generare "una struttura e una teoria per misurare come reso personale un sistema è in termini di quoziente di personificazione (PQ) ed illustrare come la teoria può essere usata per migliorare il e-servizio." Il concetto del quoziente di personificazione allora è usato per misurare come reso personale un sistema realmente è.

In questa carta, il Dott. Parsaye differenzia fra un sistema impersonale, che tratta tutto lo stesso senso e un sistema completamente reso personale, che registra il relativo comportamento agli utenti specifici. Un sistema impersonale ha un PQ di zero, poiché fornisce la stessa risposta statica a tutti gli utenti senza riguardo alle loro caratteristiche.

La personificazione succede come reazione alle informazioni specifiche ed il Dott. Parsaye divide la personificazione in tre zone—di adattamento, individualizzazione e groupcharacterization. L'adattamento è il più vecchio ed occasionalmente il più facile per richiamare. Permette che regoliate le preferenze specifiche, per esempio, gli stock desiderate rintracciare, il tipo di notizie desiderate vedere, i colori desiderate l'insieme sul vostro schermo, ecc. L'individualizzazione va oltre questa la regolazione fissa e che usa i modelli del vostro proprio che comportamento (e di non qualunque altro utente) per trasportare il soddisfare specifico voi. [ per esempio, ] se vi siete scattati mólto sugli articoli finanzi-relativi ma non sugli sport, mostrerà voi le notizie più finanziarie piuttosto che a notizie di sport, senza vostro chiedere esso. Nella gruppo-descrizione ricevete una raccomandazione basata sulle preferenze della gente "come" voi, per esempio, i libri possono essere suggeriti a voi hanno basato sui libri ordinati dalla gente con gli interessi simili. Metodi basati sulla filtrazione di collaborazione, sul ragionamento contenitore-basato, ecc. fuoco sulla misura di gruppo-descrizione.

• PQ: Il quoziente di personificazione prende tutti e tre le di queste edizioni in considerazione.

Ha tre componenti specifici, PQ1, PQ2 e PQ3, dove:

PQ1 misura la capacità del sistema di adattare gli articoli per il cliente.

PQ2 misura la capacità del sistema di usare le diverse preferenze.

PQ3 misura la capacità del sistema di occuparsi delle preferenze gruppo-basate.

Allora misuriamo PQ come la media di questi due elementi, cioè:

PQ = (PQ1 + PQ2 + PQ3)/3

Qui ogni PQ1, PQ2 e PQ3 saranno un numero fra 0 e 100. Un sistema con un PQ di 100 completamente è reso personale, mentre un sistema con un PQ di zero è completamente impersonale.

Il Dott. Parsaye allora descrive generare un ultimo profilo del vostro ospite del luogo:

Il one-way da rappresentare e la somiglianza di misura degli utenti e dei clienti è in termini di stringhe del DNA o vettori di attributo.

Una stringa del DNA per un utente di fotoricettore è una serie dell'insieme di numeri interi fra 0 e 9, per esempio, la stringa 1309735183291. Ogni numero intero qui mostra che il valore relativo di una certa caratteristica, per esempio, notando i 8 o i 9 sull'indicatore "di sportspage" significa che osservate molte pagine sport-relative, mentre un 0 significa che non vedete mai tali pagine affatto. Similmente, altri numeri interi sulla stringa possono dirci come visitate il luogo e come vi scattate attraverso sulla bandiera che fa pubblicità—a tutti in termini relativi. Similmente, possiamo definire una stringa del DNA per un Web page considerando i componenti che lo contengono. Per esempio, il numero di bandiere ed il tipo di bandiere.

Conclude suggerendo "un senso interessante per gli aumenti sarà quello di misurazione del PQ comparativo di due sistemi."

Allora vaga fuori in un mondo dove soltanto i matematici osano percorrere slittando in alcune formule serie come: PQ3(U, P) = ä di 100/maximum(( U/ ä P), (ä P/ ä U)). Ma come fattore nel dolore causato all'ospite del luogo che è seguito intorno dalla pagina alla pagina da un biscotto ed è chiesto un'opinione circa se la vita della donna è compiuta soltanto se può fornire una sede felice per la sua famiglia? Quello è dove l'indice di personificazione entra.

Indice Di Personificazione

L'universo degli elementi di profilo è virtualmente illimitato, riguardando gli articoli esperti quali l'ultimi nome ed indirizzo di affari, i concetti tecnici quale velocità del collegamento e di IP address e gli attributi di domain-specifico dal formato del poro (per le estetiche) al profilo di rischio di lifestyle (per assicurazione). Aggiungendo gli informazioni a soggetto incrementali, i responsabili di e-commercio possono spostare i prospetti ed i clienti attraverso le quattro fasi di comprensione del e-cliente, trasformanti gli utenti anonimi di categoria 1 negli individui distinti e nell'ambiente di categoria 4.

La raccolta delle informazioni è una cosa. Usando in un senso giudizioso è un altro. L'indice di personificazione (pi) li distingue appena come state usando i dati sta riuniscendo. L'indice è una misura di quanto un e-commercio leveraging efficacemente questi dati del cliente.

Se il vostro pi è superiore 0.75, quindi state facendo il la maggior parte delle informazioni che state raccogliendo. Quello significa che i vostri sforzi non sono sprecati, né sono quelli dei vostri clienti che stanno fornendo la materia prima.

Precedere suppone che state usando un numero significativo di elementi per fare un'esperienza resa personale di fotoricettore. Se state raccogliendo soltanto due elementi e state usandoli entrambi, il vostro segno di pi può essere 1.00, ma qui significa che state andando soltanto per quanto la segmentazione del mercato piuttosto che la personificazione—voi stanno raggruppando soltanto i vostri prospetti e clienti nelle vaste categorie. Mentre utili, le vaste categorie non sono potenti quanto la personificazione allineare basata sulle dozzine degli attributi.

Quando raccogliete più e più elementi, potete classificare gli utenti in più e più serie di ingranaggi ed i vasti movimenti di segmentazione verso la personificazione. Ciò è dove cominciate promuovere un rapporto del cliente e trasformarli un rapporto di lealtà, significativamente sollevando il costo per il vostro cliente all'interruttore ad un altro fornitore.

Se il vostro pi è meno di 0.30, allora state raccogliendo le più informazioni che state usando. Le buone notizie sono che avete un serbatoio inbattuto enorme dei dati actionable circa i vostri clienti. Le notizie difettose sono che i dati sono aratura di menzogne e probabilmente ottenere veloce stantio. Dovete cominciare usando i dati che avete più efficacemente o che riducete quanto dati espliciti state provando a raccogliere. Molto probabilmente, la risposta corretta è entrambe. State filando le vostre rotelle che raccogliete quelle informazioni, ma non state usandole per avvantaggiare i vostri clienti, che interessino avversamente l'esperienza dei vostri clienti.

Quello è il downside più grande ad un quoziente basso di personificazione. Tutti quei volta e sforzo che forzate i vostri clienti investire nel fornirvi le informazioni è uno spreco. Non ottiene niente da esso. Anche quando il processo è semplice, come esplorazione della catena chiave FOB al deposito della drogheria, non ci è ancora valore reale al cliente. Perchè seccatura? Perchè stanno importunandi? A questo punto, infine ci siamo attratti, traversato, persuaso e ci siamo convertiti quel prospetto sconosciuto in cliente conosciuto. Possiamo convincere quel cliente a ritornare?